無人機(jī)SAR圖像自動目標(biāo)識別技術(shù)研究.pdf

1、隨著無人機(jī)技術(shù)的發(fā)展，作為無人機(jī)上主要攜帶的傳感器合成孔徑雷達(dá)(SAR)已是國內(nèi)外研究的對象，尤其對于SAR圖像自動目標(biāo)識別技術(shù)的研究，更是得到了廣泛的關(guān)注。本文采用目前廣泛使用的由美國DARPA/AFRL提供的MSTAR數(shù)據(jù)庫，按照SAR自動目標(biāo)識別的檢測、鑒別、分類三個(gè)步驟的關(guān)鍵技術(shù)展開研究，結(jié)合目前國內(nèi)外SAR ATR的發(fā)展趨勢，研究了目標(biāo)圖像增強(qiáng)、目標(biāo)特征提取方法和目標(biāo)分類方法等幾個(gè)部分，并在matlab7.0平臺進(jìn)行仿真實(shí)驗(yàn)。

2、
　　首先，介紹了MSTAR數(shù)據(jù)庫以及SAR圖像噪聲，主要介紹了其中的K-分布、Gamma分布和Weibull分布等噪聲分布模型。
　　其次，對SAR圖像增強(qiáng)進(jìn)行研究，針對幅度圖像區(qū)域特征增強(qiáng)的要求，提出了一種改進(jìn)的幅度域正則化方法。由實(shí)驗(yàn)結(jié)果可以看出，改進(jìn)后的正則化方法可以較為明顯的區(qū)分出目標(biāo)、陰影和背景區(qū)域，且具有較高的信雜比；接著采用雙參數(shù)CFAR檢測算法進(jìn)行區(qū)域檢測。
　　然后，研究了SAR圖像特征提取方法，針

3、對目前鮮有文章對特征提取方法按目標(biāo)類型進(jìn)行分類的問題，提出了按照類型對特征提取方法進(jìn)行分類的方法，分為車輛目標(biāo)特征、建筑物目標(biāo)特征、道路和橋梁目標(biāo)特征、艦船目標(biāo)特征以及地域目標(biāo)特征等五大類，同時(shí)建立了SAR圖像特征的二維分類框架；又針對目前對目標(biāo)和陰影相結(jié)合研究較少的問題，提出了由十四個(gè)Hu不變矩特征組成的綜合特征向量。
　　最后，對SAR圖像分類進(jìn)行研究，由于多分類相結(jié)合的方法是目前分類研究的熱點(diǎn)，本文采用投票準(zhǔn)則將模糊極大極小